Article Per Year (5 Year)
p-Index From 2021 - 2026
3.797
P-Index
This Author published in this journals
All Journal Syntax Jurnal Informatika Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) JURNAL MEDIA INFORMATIKA BUDIDARMA Faktor Exacta JOURNAL OF APPLIED INFORMATICS AND COMPUTING SELAPARANG: Jurnal Pengabdian Masyarakat Berkemajuan Jurnal RESISTOR (Rekayasa Sistem Komputer) Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI) Digital Zone: Jurnal Teknologi Informasi dan Komunikasi JURIKOM (Jurnal Riset Komputer) Building of Informatics, Technology and Science JOURNAL OF INFORMATION SYSTEM MANAGEMENT (JOISM) JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Journal of Computer System and Informatics (JoSYC) Jurnal Teknik Informatika (JUTIF) Jurnal Informatika Teknologi dan Sains (Jinteks) Jurnal Algoritma Eduvest - Journal of Universal Studies
Faisal, Sutan
Unknown Affiliation
Aerospace Engineering Agriculture, Biological Sciences & Forestry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Medicine & Pharmacology Neuroscience Nursing Public Health Social Sciences Other

Published : 29 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 29 Documents
Search

 1   2   3 
Analisis Sentimen Pada Komentar Instagram Provider By.U Menggunakan Metode K-Nearest Neighbors (KNN) Alvionika, Nindy; Faisal, Sutan; Rahmat, Rahmat; Masruriyah, Anis Fitri Nur
Jurnal Algoritma Vol 21 No 2 (2024): Jurnal Algoritma
Publisher : Institut Teknologi Garut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33364/algoritma/v.21-2.1672

Abstract

Kehadiran internet dari berbagai penyedia layanan menjadi semakin beragam, menuntut kualitas unggul untuk memenuhi kebutuhan pengguna. Salah satu penyedia layanan internet terkemuka dan terbesar di Indonesia yaitu Telkomsel, yang kini memiliki sub-brand bernama By.U. By.U resmi diperkenalkan pada 10 Oktober 2019 dan merupakan salah satu ISP (Internet Service Provider) pertama di Indonesia yang menawarkan pengalaman digital secara (E2E) End-To-End pada seluruh aspek kebutuhan telekomunikasi. Pengalaman digital (E2E) pada By.U memudahkan pengguna untuk memilih metode pengiriman kartu perdana hingga menentukan nomor telepon By.U, membeli paket data, dan menyelesaikan proses pembayaran. Menganalisis sentimen dapat mengidentifikasi representasi opini pengguna berdasarkan pengalaman pengguna By.U. Metode K-Nearest Neighbors yang akan digunakan dalam penelitian ini. Berdasarkan penelitian yang telah dilakukan, hasil akurasi menggunakan algoritma K-Nearest Neighbors sebesar 73 persen. Hasil pada topic modelling yang dilakukan menggunakan Latent Dirichlet Allocation diketahui tema yang dibahas pada topik 1 yaitu menggambarkan mengenai information data telekomunikasi, pada topik 2 mengenai pendaftaran sim card, topik 3 mencakup berbagai masalah yang berkaitan dengan paket internet, aplikasi, dan transaksi. Hasil analisis sentimen menunjukkan bahwa penelitian ini mengalami kesulitan dalam memprediksi sentimen, tidak ada prediksi yang akurat untuk kelas positif, netral dan negatif. Hal ini menunjukkan bahwa penelitian harus ditingkatkan dan dilatih dengan menggunakan sampel yang lebih besar untuk prediksi sentimen.
Classification of Dog Emotions Using Convolutional Neural Network Method Hermawan, Slamet; Siregar, Amril Mutoi; Faisal, Sutan; Mudzakir, Tohirin Al
Jurnal Nasional Pendidikan Teknik Informatika : JANAPATI Vol. 13 No. 2 (2024)
Publisher : Prodi Pendidikan Teknik Informatika Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/janapati.v13i2.74340

Abstract

The utilization of neural networks in dog emotion classification has great potential to improve the understanding of pet emotions. The goal is to develop a dog emotion classification system. This is important due to the lack of public ability to recognize and understand dog emotions. Neural networks able to create learning models can be used for decision-making, thus helping to reduce the risk of dangerous dog attacks. CNN itself is part of neural networks, where the CNN model has a higher accuracy rate of 74.75% compared to ResNet 65.10% and VGG 68.67%. Modeling using ROC-AUC shows the model's ability to distinguish emotion classes well. Angry has the highest AUC of 0.97, happy 0.93 and sad 0.96. While relaxed has the lowest AUC of 0.92. Classification report results show model has the highest precision and F1-Score values in angry class, while the highest recall value is in sad class.
Klasifikasi Penyakit Serangan Jantung Menggunakan Metode Machine Learning K-Nearest Neighbors (KNN) dan Support Vector Machine (SVM) Arif, Siti Novianti Nuraini; Siregar, Amril Mutoi; Faisal, Sutan; Juwita, Ayu Ratna
JURNAL MEDIA INFORMATIKA BUDIDARMA Vol 8, No 3 (2024): Juli 2024
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/mib.v8i3.7844

Abstract

Cardiovascular disease (CVD) is a general term for disorders related to the heart, coronary arteries, and blood vessels. These diseases are most commonly caused by blocked blood vessels, either due to fat buildup or internal bleeding. According to the WHO, each year, cardiovascular diseases account for 32% of all deaths, which translates to about 17.9 million people annually. The numerous factors causing CVD make it challenging for doctors to diagnose patients who are at low or higher risk of heart attacks. A machine learning model is needed for the early recognition of heart attack symptoms. Supervised learning models such as KNN and SVM were used in previous studies without feature selection, with datasets obtained from Kaggle. PCA was applied to reduce data dimensions to smaller variables. With the use of confusion matrix and ROC curve evaluations, the accuracy results of the previous KNN model improved from 83.6% to 90.16%. The SVM model also saw an accuracy increase from 85.7% to 86.88%. The use of PCA feature selection demonstrated an improvement in accuracy in the study. The KNN model, with a higher accuracy rate of 90.16%, is better for classifying individuals as normal or diagnosed with a heart attack.
Peningkatan kompetensi guru RA/TK melalui pemanfaatan teknologi digital dalam menunjang kegiatan pembelajaran di kelas Cahyana, Yana; Faisal, Sutan
SELAPARANG: Jurnal Pengabdian Masyarakat Berkemajuan Vol 8, No 4 (2024): December
Publisher : Universitas Muhammadiyah Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31764/jpmb.v8i4.26994

Abstract

Abstrak Penelitian ini bertujuan untuk meningkatkan kompetensi guru RA/TK melalui pemanfaatan teknologi digital dalam menunjang kegiatan pembelajaran di kelas. Pelatihan dilaksanakan di RA/TK At-Taqwa, Kecamatan Pakisjaya, Kabupaten Karawang, dengan pendekatan metode ceramah Kegiatan pengabdian ini dilakukan dalam tiga tahap: (1) Tahap Persiapan, yaitu penyusunan materi dan perangkat pembelajaran digital yang akan disampaikan, (2) Tahap Pelaksanaan, berupa pemberian pelatihan kepada guru dengan fokus pada penggunaan teknologi digital dalam pembelajaran, dan (3) Tahap Evaluasi, untuk menilai sejauh mana pemahaman dan keterampilan guru dalam memanfaatkan teknologi dalam kegiatan belajar mengajar. Hasil penelitian menunjukkan bahwa penggunaan teknologi digital dalam pelatihan dapat meningkatkan keterampilan guru dalam merancang dan melaksanakan pembelajaran yang lebih interaktif dan menarik bagi anak-anak. Secara keseluruhan, penelitian ini memberikan kontribusi signifikan dalam peningkatan kompetensi profesional guru RA/TK melalui pemanfaatan teknologi digital dalam pembelajaran. Kata kunci: kompetensi guru; teknologi digital; pembelajaran abad ke 21; pembelajaran anak usia dini Abstract This study aims to improve the competencies of RA/TK teachers through the utilization of digital technology to support classroom learning activities. The research was conducted at RA/TK At-Taqwa, Pakisjaya District, Karawang Regency, using a lecture method approach. The activity was carried out in three stages: (1) Preparation Stage, which involved the development of materials and digital learning resources to be delivered; (2) Implementation Stage, which included providing training to teachers with a focus on the use of digital technology in teaching; and (3) Evaluation Stage, to assess the extent of teachers' understanding and skills in utilizing technology in the teaching and learning process. The results of the study indicate that the use of digital technology in the training helped enhance teachers' abilities to design and implement more interactive and engaging lessons for children. Overall, this research significantly contributes to the professional development of RA/TK teachers through the integration of digital technology in the teaching process. Keywords: teacher competence; digital technology; 21st century learning; early childhood education
Implementasi Hyperparameter Tuning Grid Search CV Pada Prediksi Produksi Padi Menggunakan Algoritma Linear Regresi Jamiluddin, Fathir; Faisal, Sutan; Lestari, Santi Arum Puspita; Fauzi, Ahmad
Journal of Information System Research (JOSH) Vol 6 No 1 (2024): Oktober 2024
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/josh.v6i1.5930

Abstract

Rice is one of the main crops in Indonesia that produces the largest staple food, namely rice commodities. Rice is a staple food consumed by almost 98% of Indonesian people. This study aims to compare the Linear Regression Algorithm and Decision Tree in an effort to find the most appropriate algorithm for predicting rice production data. Linear Regression is still a useful model, especially if the data has a non- linear relationship that cannot be captured by Linear Regression. So it can be concluded that the Linear Regression Algorithm with optimization of the tuning grid search cv hyperparameter is able to predict rice production better than the Decision Tree Algorithm with an R2-score value of 86.895666, MAE 261049.168107, and MSE 160199780301.226318.
Internet of Things-Based Water Dirt Detection System Using Fuzzy Logic Sugeno Algorithm Ardiansyah, Fikri; Indra, Jamaludin; Juwita, Ayu Ratna; Faisal, Sutan
Eduvest - Journal of Universal Studies Vol. 5 No. 3 (2025): Eduvest - Journal of Universal Studies
Publisher : Green Publisher Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59188/eduvest.v5i3.1778

Abstract

Water turbidity is one of the important indicators of water quality that affects human health and the environment. Many water sources are susceptible to pollution that can increase water turbidity. Traditional methods require manual sampling inefficiently and do not provide real-time data. Internet of Things (IoT) technology allows real-time and remote monitoring of water turbidity, The water turbidity detection system program created will use the Sugeno fuzzy logic method where this method can provide a percentage of water cleanliness based on selected input and apply predetermined rules so that it can produce NTUs output and percentage of water cleanliness. Based on the results of tests that have been carried out in this study, the System has a good level of functionality. the level of accuracy of the results of the system and manual calculations. obtained a level of error difference (error) of 13% meaning that from 100% error rate, the accuracy level value reaches 87% that the program is concluded to be running well. With the website, it can monitor and help make it easier for users to control the level of water turbidity in the environment without having to come to the location. From the tests carried out for the turbidity sensor components, it works well.
DETEKSI PELANGGARAN PENGGUNAAN HELM DENGAN METODE  SSD DAN ARSITEKTUR MOBILENETV2 Purnama, Ariya; Indra, Jamaludin; Arum Puspita Lestari, Santi; Faisal, Sutan
Journal of Information System Management (JOISM) Vol. 7 No. 1 (2025): Juni
Publisher : Universitas Amikom Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24076/joism.2025v7i1.2071

Abstract

Peningkatan jumlah kendaraan terus didominasi oleh pengendara sepeda motor. Terkait hal ini, pengawasan keselamatan lalu lintas oleh pihak berwenang perlu ditingkatkan. Namun, dengan kemajuan teknologi yang pesat, terutama di bidang visi komputer, solusi baru telah dimungkinkan. Salah satu pengembangan tersebut adalah penggunaan perangkat Raspberry Pi yang murah, yang dapat melakukan tugas-tugas yang mirip dengan komputer desktop. Tujuan dari penelitian ini adalah untuk mengembangkan sistem pendeteksi helm untuk pengendara sepeda motor menggunakan arsitektur MobileNetV2 dan SSD (Single Shot Multibox Detector). Sebanyak 1.363 gambar digunakan, dengan 953 untuk pelatihan, 273 untuk validasi, dan 137 untuk pengujian. Tahap prapemrosesan gambar melibatkan pengubahan ukuran gambar menjadi 240 x 240 piksel sebelum dimasukkan ke dalam model. Hasil pelatihan menunjukkan akurasi maksimum sebesar 100%, sementara evaluasi model pada set pengujian mencapai akurasi deteksi 95% untuk pengendara yang mengenakan helm dan 98% untuk mereka yang tidak mengenakan helm. Selain itu, model tersebut mencapai rata-rata Average Precision (mAP) sebesar 99% pada ambang batas IoU 0.5 (mAP50) dan 66% pada ambang batas IoU 0.75 (mAP75).
Model Regresi Linear Berganda untuk Prediksi Tingkat Pengangguran di Provinsi Jawa Barat Halif, Jenny; Wahiddin, Deden; Sanjaya, Iman; Faisal, Sutan
Jurnal Algoritma Vol 22 No 1 (2025): Jurnal Algoritma
Publisher : Institut Teknologi Garut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33364/algoritma/v.22-1.2312

Abstract

The Open Unemployment Rate (TPT) in West Java has been the highest nationally in recent years. This study aims to predict the TPT in 2025 using the Multiple Linear Regression (RLB) algorithm with variables such as inflation, GRDP, HDI, and population. Secondary data from 2013-2024 was analyzed through preprocessing, PCA, and training-test data division methods. The model was evaluated using RMSE and R-squared, with the results of RMSE 0.0148 and R² 0.5716. Multiple Linear Regression was chosen because it is able to handle many variables at once and provide a quantitative estimate of the contribution of each factor, in contrast to the individual approach which only looks at the influence of one variable separately. These results can serve as the basis for unemployment reduction policies at the regional level.
KLASIFIKASI JENIS BUAH TOMAT MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR DAN SUPPORT VECTOR MACHINE Niendha Biell Binna; Rohana, Tatang; Novita, Hilda Yulia; Faisal, Sutan
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 2 (2025): EDISI 24
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v7i2.5743

Abstract

Tomat adalah salah satu jenis komoditas hortikultura yang cukup banyak di Indonesia dengan variasi bentuk, ukuran, dan warna. Pemilahan jenis tomat secara manual oleh petani maupun pedagang masih memiliki kelemahan, seperti keterbatasan fisik dan ketidakkonsistenan dalam klasifikasi. Tujuan dari penelitian ini adalah untuk mengembangkan sistem klasifikasi untuk jenis tomat. berbasis citra digital menggunakan metode Support Vector Machine (SVM) dan K-Nearest Neighbor (KNN). Proses klasifikasi dilakukan dengan mengekstraksi fitur warna dari kanal Hue (HSV), tekstur dari Gray-Level Co-occurrence Matrix (GLCM), dan bentuk dari kontur objek tomat. Dataset terdiri dari tiga jenis tomat, yaitu tomat ceri, tomat hijau, dan tomat sayur. Data melalui tahapan pra-pemrosesan sebelum dilakukan pelatihan dan pengujian model. Hasil evaluasi menunjukkan bahwa algoritma KNN menghasilkan akurasi 94,44%, sedangkan SVM mencapai akurasi sempurna sebesar 97,22%. Evaluasi dilakukan menggunakan metrik confusion matrix, akurasi, precision, recall, dan F1-score. Temuan ini mengindikasikan bahwa SVM memiliki keunggulan dalam mengklasifikasikan jenis tomat secara akurat, serta menunjukkan potensi besar penerapan teknologi klasifikasi citra dalam mendukung efisiensi proses pertanian modern
PREDIKSI RISIKO ANGKA STUNTING PADA BALITA MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE Romlah, Romlah; Faisal, Sutan; Rahmat, Rahmat; Indra, Jamaludin
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 2 (2025): EDISI 24
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v7i2.5749

Abstract

Masalah kekurangan gizi pada balita berdampak serius terhadap pertumbuhan fisik dan perkembangan kognitif anak. Penelitian ini bertujuan untuk memprediksi risiko kondisi tersebut menggunakan algoritma Support Vector Machine (SVM). Data yang digunakan berasal dari Puskesmas Anggadita, Karawang, sebanyak 1.028 data balita. Proses analisis dilakukan melalui pembersihan data, normalisasi, encoding, pembagian data latih dan uji, serta pelatihan model dengan kernel linear. Hasil pengujian menunjukkan bahwa model mampu mengklasifikasikan kategori “tidak mengalami gangguan pertumbuhan” dengan akurasi tinggi, namun belum optimal dalam mengidentifikasi kategori sebaliknya. Akurasi keseluruhan model mencapai 80%. Temuan ini mengindikasikan bahwa SVM dapat digunakan sebagai model awal prediksi, namun perlu perbaikan lebih lanjut dalam penanganan ketidakseimbangan data.
Co-Authors Adinata, Abdul Rohim Al Fathir Rizal Januar Alganiu, Ajeng Shalwa Alvionika, Nindy Amril Mutoi Siregar Ardiansyah, Fikri ARIF, SITI NOVIANTI NURAINI Arum Puspita Lestari, Santi Awal, Elsa Elvira Azhaar, Siti Alia Baihaqi, Kiki Ahmad Fauzi Ahmad Muda Fitri Nur Masruriyah, Anis Halif, Jenny Hanny Hikmayanti Handayani Hartono Wijaya, Sony Hermawan, Slamet Iman Sanjaya Indra, Jamaludin Jamiluddin, Fathir Jayidan, Zirji Juwita, Ayu Ratna Koirunnisa, Koirunnisa Kusumaningrum, Dwi Sulistya Lestari, Santi Arum Puspita Maulana, Ikhsan Mudzakir, Tohirin Al Munzi, Gugy Guztaman nabila, putri Niendha Biell Binna Novita, Hilda Yulia NURUL AZIZAH Pratama, Adi Rizky Pratama, Rio Purnama, Ariya Rachmawati, Dhea Rafikoh, Zahra Anggun Rahmat Rahmat Rohana, Tatang Romlah Siregar, Amril Mutoi Sujana, Sylvia Tjong Wan Sen Tri Vicika, Vikha Tukino, Tukino Wahiddin, Deden Wicaksana, Yusuf Eka Yaman, Nuurul Izzati Yana Cahyana